Posted By: Hawk (Wanna be pinetree) on 'CZbbsnews'
Title:     Liane chat - statistika slov
Date:      Thu Nov 14 22:02:56 1996

Ahoj vsici!

  ctu takhle dneska na CZFlames od AHAce: 

> ... nemate nekdo chut udelat analyzu chatu za jeden den? Nejcasteji
> pouzivana slova a tak? ...

  a rikam si - to je napad! A nebylo to ani tak tezky - skriptik jsem napsal v 
shellu za cca 15 minut (diky, grepe a sede). No, pak jsem vlezl do chatu a do 
log souboru zaznamenal dnesni main v chatu od 12:00 do 20:30, tj. 8 a pul 
hodiny. Z cca 220kB souboru byly odstraneny systemove hlasky a uvozeni 
uzivatelu (presneji slova koncici na ':'), odstranena diakritika (aby
"ale" a ",ale" byla stejna slova) a byla provedena cetnostni analyza (case 
sensitive). Vysledky jsou opravdu zajimave:

 * cela seance mela 6918 radek textu, z toho 1767 systemovych (25% !!)

 * celkem slov:  17964  tj. 2113 slov za hodinu, tj. 35 slov za minutu

 * nejcastejsi slova (vybiram jen to nejzajimavejsi, pochopitelne)

   to        506 x    (2.8%)
   je        397 x    (2.2%)
   se        355 x    (1.9%)
   
   .... nasleduje prehrsel ceskych kratkych slov jako a,na,ze,ja,co,tak,tu, 
si,ale,ne,jo,no ...  

   pozdravy:

   Hi, hi, HI      355 x    (1.9%)
   cau, Cau        120 x
   ahoj, Ahoj       79 x 
   hoj, Hoj         69 x 
   re               67 x
   nazdar, Nazdar   31 x
   zdar             21 x
   ahojky           10 x
   Caf               9 x
   haf               7 x
   cauky             6 x
   ahojka            5 x

   zajimava slova:

   lidi             45 x     ; prvni nezajmeno, nepredlozka apod. !!
   pivo             19 x     ; :)))
   nahodou          19 x     ; taky rikate ?
   sorry            15 x     ; viz tez prosim
   Prahy            14 x     ; tolik lidi z prahy?   
   prosim           10 x     ; dyt to rikam, uzivatele jsou vychovani
   Plzne             9 x     ; v tesnem zavesu :)
   <70 a za sebou>   7 x     ; kam padal?
   becher            6 x     ; mene obliben nez pivo? spis mene casto .. :)
   motorovou         4 x     ; mela ji ?
   fernet            3 x     ; alkohol viditelne vede
   zoofilie          3 x     ; co asi resili ?
   bodnoreznosecne   1 x     ; to je hezky slovo!

   perly:

   vole              9 x
   svine             6 x
   prase             5 x
   prde              3 x
   fuck              2 x
   hovno             1 x
   idiote            1 x
   
   
  Slov s cetnosti 1 bylo celkem 4217, s cetnosti 2 ... 767, s cetnosti 3 .. 
286, 4 .. 168, atd. - jasny priklad platnosti Zipfova zakona. Celkem ma 
prumerny zavislak ve svem odpolednim slovniku cca 5958 ruznych slov, ale 
rekneme si to rovnou - tretina jsou preklepy, nekdy dost hezky.

                    Uff ... loucim se s Vami, vy grafomani

                                vas "lingvista" :)


 

    ..---.. ___ ..---..                Hawk
   '       'o o`       `
             "                         rsvo1382@barbora.ms.mff.cuni.cz